、概念描述：特征化与比较.pptVIP

* * * * * * * * * * * * * * * 先解释该表中的t-weight和d-weight * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 3. 相关性分析 计算给定的样本分类所需要的期望信息 计算每个属性的熵: e.g. major Number of grad students in “Science” Number of undergrad students in “Science” 解析特征化——示例 (4) * 如果样本根据major划分，则计算给定的样本进行分类所需的期望信息： 计算该属性的信息增益： 所有属性的信息增益 解析特征化——示例 (5) * 4. 导出初始工作关系 R = 0.1 （临界值） 从候选关系中去处不相关/弱相关的属性 = 去处 gender, birth_country 因为类描述任务是类特征化，所以这里去处候选对比类关系 5. 在 W0 上用进行不保守的AOI 初始目标类工作关系 W0: 研究生 解析特征化——示例 (6) * 挖掘类比较：区分不同的类 类比较挖掘的目标是得到将目标类与对比类相区分的描述。 目标类和对比类间必须具有可比性，即两者间要有相似的属性或维。 本科生 VS. 研究生；student VS. address 很多应用于概念描述的技巧可以应用于类比较，比如属性概化。 属性概化必须在所有比较类上同步进行，将属性概化到同一抽象层后进行比较。 City VS country * 类比较的过程 数据收集 通过查询处理收集数据库中相关的数据，并将其划分为一个目标类和一个或多个对比类 维相关分析 使用属性相关分析方法，使我们的任务中仅包含强相关的维 同步概化 同步的在目标类和对比类上进行概化，得到主目标类 关系/方体 和 主对比类 关系/方体 导出比较的表示 用可视化技术表达类比较描述，通常会包含“对比”度量，反映目标类与对比类间的比较 (e.g count%) * 类比较的有效实施 目标类和对比类的同步概化，以在相同抽象级别上进行类比较 使用数据立方体技术有效的实施类比较 引入一个标志位（数据立方体的一个新维）来表示目标类或对比类 目标类和对比类除了这个新维外，其他部分在数据立方体中的表示是相同的 通过上卷和下钻来同步概化或具体化 * 类比较挖掘——示例（1） 任务 比较Big-University本科生和研究生的一般特征 任务的DMQL描述 use Big_University_DB mine comparison as “grad_vs_undergrad_students” in relevance to name, gender, major, birth_place, birth_date, residence, phone#, gpa for “graduate_students” where status in “graduate” versus “undergraduate_students” where status in “undergraduate” analyze count% from student * 类比较挖掘——示例（2） 进行类比较挖掘的输入： 给定的属性：name, gender, major, birth_place, birth_date, residence, phone# and gpa 在属性ai上定义的概念分层 Gen(ai) 在属性ai上定义的属性分析临界值 Ui 在属性ai上定义的属性概化临界值Ti 属性相关性临界值R * 类比较挖掘——示例（3） 任务的处理过程 数据收集 DMQL查询转化为关系查询，得到初始目标类工作关系和初始对比类工作关系 可以看成使构造数据立方体的过程 引入一个新维status来标志目标类和对比类（graduate, undergraduate） 其他属性形成剩余的维 在两个数据类上进行维相关分析 根据Ui与R，删除不相关或者使弱相关的维：name, gender, major, phone# * 类比较挖掘——示例（4） 同步概化 在目标类和对比类上同步的进行概化，将相关的维概化到由属性概化临界值Ti决定的同样的层次，形成主目标类 关系/方体 和主对比类 关系/方体 导出比较的表示 用表、图或规则等形式表达类比较描述的挖掘结果 用户应该能够在主目标类 关系/方体 和主对比类 关系/方体进行进一步的OLAP操作 * 类比较挖掘——示例（5） 目标类的主概化关系: 研究生 对比类的主概化关系: 本科生 * 类比较描述的表